Детальная информация

Название: Разработка когнитивного алгоритма классификации видов манипуляции сигналов в цифровых радиорелейных линиях связи: выпускная квалификационная работа магистра по направлению 11.04.02 - Инфокоммуникационные технологии и системы связи ; 11.04.02_01 - Защищенные телекоммуникационные системы
Авторы: Филинова Марина Владимировна
Научный руководитель: Рашич Андрей Валерьевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт физики, нанотехнологий и телекоммуникаций
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: Электрическая связь цифровая; виды манипуляции; цифровые радиорелейные линии связи; свёрточная нейронная сеть; сеть прямого распространения; обработка изображений; распознавание; аддитивный белый гауссовский шум; райсовские замирания; квадратурная амплитудно-фазовая манипуляция
УДК: 621.391.6
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 11.04.02
Группа специальностей ФГОС: 110000 - Электроника, радиотехника и системы связи
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-2802
Права доступа: Доступ по паролю из сети Интернет (чтение, печать)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Целью данной работы является создание универсального модема для приёма сигналов цифровых радиорелейных линий связи с квадратурной амплитудно-фазовой манипуляцией. Такой модем подразумевает разработку алгоритма, способного классифицировать виды манипуляции с высокой вероятностью правильной классификации без априорной информации об отношении сигнал-шум. В данной работе были проанализированы как когнитивные, так и некогнитивные алгоритмы для распознавания видов манипуляции. Среди некогнитивных алгоритмов были исследованы свойства оптимального алгоритма и его MAX-LOG-MAP аппроксимации, а также получены аналитические выкладки, позволяющие получить вероятностную характеристику, являющуюся наилучшей в условиях АБГШ. По результатам исследования этих алгоритмов был выявлен ключевой недостаток: невозможность точной оценки отношения сигнал-шум в реальных условиях. По тематике когнитивных алгоритмов был проведён литературный обзор и на его основе выбрана модель машинного обучения. Была разработана и реализована имитационная модель для получения вероятностных характеристик алгоритмов. По результатам исследования свойств архитектуры свёрточных нейронных сетей была разработана, реализована и обучена на собранной выборке модель машинного обучения, независящая от оценки отношения сигнал-шум.

The aim of this work is to create a universal modem for receiving signals from digital radio relay communication lines with quadrature amplitude-phase manipulation. Such a modem implies the development of an algorithm capable of classifying types of manipulations with a high probability of correct classification without a priori information about the signal-to-noise ratio. In this paper, we analyzed both cognitive and non-cognitive algorithms for recognizing types of manipulation. Among non-cognitive algorithms, the properties of the optimal algorithm and its MAX-LOG-MAP approximations were studied, and analytical calculations were obtained that made it possible to obtain a probabilistic characteristic that is the best in the case of ABGS. Based on the results of a study of these algorithms, a key shortcoming was identified: the impossibility of an accurate estimate of the signal-to-noise ratio in real conditions. A literature review was conducted on the subject of cognitive algorithms, and a machine learning model was selected on its basis. A simulation model was developed and implemented to obtain the probabilistic characteristics of the algorithms. Based on the results of studying the properties of the architecture of convolutional neural networks, a machine learning model was developed, implemented and trained on the assembled sample, independent of the evaluation of the signal-to-noise ratio.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать
Интернет Авторизованные пользователи СПбПУ Прочитать Печать
Интернет Авторизованные пользователи (не СПбПУ)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 20
За последние 30 дней: 0
Подробная статистика